面向高帧频Flash LiDAR的数据实时配准方法研究

Most of Flash LiDAR data registration algorithms, which are derived from the registration algorithms of point cloud or depth image, could hardly meet the requirements of high-frame-rate data processing, and this limits the application of Flash LiDAR in interactive topographic mapping, the guidance of missiles, autonomous landing of aircraft, as well as other scenarios requiring real-time response. To solve this problem, a feature descriptor of Flash LiDAR has been proposed in this project, which will take into account the feature of image depth, the symbol surface variability and the density distribution of the point cloud. By using this descriptor and the adaptive data partitioning strategy, inter-frame homonymous features will be extracted in parallel. Based on the improved parallel SURF algorithm and Markovian distance based ICP algorithm, a real-time registration model, which considers the influence of parallax and elevation on the registration, will be constructed to process high frame rate Flash LiDAR data. In addition, the point cloud flow will be grouped adaptively, by considering frame rate, parallax, feature distribution of target, as well as other factors. Besides, the intra-group registration based on key frame and the improved inter-group sequence registration method based on aggregating adjacent groups will be used to register the multi-frame data in real time. The real-time data registration scheme proposed in this project are suitable for processing the high frame rate Flash LiDAR system, and it will provide theoretical support for the demonstration of the Flash LiDAR equipment performance and the development of domestic Flash LiDAR real-time processing software.

目前已公布的Flash LiDAR数据配准方法通常由点云或深度图像的配准算法衍生而来，其性能往往难以满足高帧频的数据处理要求，因此限制了Flash LiDAR技术在交互式地形测绘、导弹制导和飞行器自主着陆等需要实时响应的场景的应用。针对此问题，本项目提出一种顾及图像深度特征、符号曲面变化度和密度分布的Flash LiDAR数据特征描述子，并结合数据自适应分块策略并行地提取帧间同名特征；通过改进并融合并行SURF和基于马氏距离的ICP算法，构建兼顾视差和高程影响的高帧频Flash LiDAR数据实时配准模型；结合帧频、视差和特征分布等因素，对点云流进行自适应分组，利用基于关键帧的组内配准和合并相邻组的改进序列配准方法对多帧数据进行实时拼接。本项目拟设计一套适用于高帧频Flash LiDAR系统的实时数据配准方案，为Flash LiDAR的设备性能论证和国产化实时数据处理软件开发提供理论支持。

本项目主要工作是面向Flash LiDAR数据配准过程中特征提取、帧间点云配准、多视角点云配准等重要数据处理环节开展研究。.针对现有大部分点云特征提取算法在时间效率、可重复性、鲁棒性等方面存在的问题，提出了一种基于点云符号曲面变化度的局部坐标系（LRF）快速构建方法和一种基于球形网格划分的二值化点云特征描述子（SGB）。利用公共数据集对所提LRF和SGB描述子的性能进行验证，结果表明所提LRF构建方法在兼具可重复性和鲁棒性的基础上，可有效提高特征描述子的特征匹配能力，而且具有极高的时间效率；SGB描述子对高质量模拟数据和低质量实测点云都具有较好的描述性和极小的时间、内存开销。.为提高帧间点云粗配准和细配准环节的时间效率和配准精度，提出一种基于LRF的最大一致性统计(LRF-MCS)转换估计算法的点云粗配准方法和一种基于双向最小距离对应点对的改进ICP算法的点云精配准方法。通过对大量标准数据集的实验表明，所提出的LRF-MCS粗配准算法通过判断对应点对中是否包含足够内点来选择使用内点集或配准点云对去评价转换矩阵的准确性，以此来实现兼具高的效率和准确性，该算法配准一对点云平均消耗约0.05s。所提的改进ICP算法在传统ICP算法基础上增加了错误对应点对的粗略和精细排除环节，相较于固定阀值的传统ICP算法，较小距离的对应点对具有较高的准确性。通过在三个标准数据集和一个构造数据集上的大量实验，验证了所提算法(包括LRF技术、LRF-MCS转换估计算法和改进ICP算法)的有效性。.针对多视角点云配准环节，提出一种基于DLFS特征成对配准的多视角配准方法，利用该方法配准一片点云所消耗的平均时间只有2s左右，且其时间效率和配准精度明显优于其他经典算法。.此外，本项目还拓展性地研究了三维点云插帧任务，提出一种自监督三维点云时间序列插帧算法，以解决在训练过程中插帧网络进行预测的序列帧率上限仅为激光雷达的原始采样频率，与网络仅在线性运动的假设下进行插帧、导致插帧能力受限，以及对非线性运动场景下插帧的效果不佳的问题。